中国公共卫生  2018, Vol. 34 Issue (1): 4-8   PDF    
中国典型法定报告传染病发病率空间关联性分析
朱斌1,2, 刘锦林1, 毛瑛1    
1. 西安交通大学公共政策与管理学院,陕西 西安 710049;
2. 香港城市大学公共政策学系
摘要目的 分析中国31个省、市、自治区典型法定报告传染病(甲型肝炎、乙型肝炎、丙型肝炎、戊型肝炎、肺结核、梅毒)发病率的空间分布特征及空间关联性,为制定区域化防控策略提供参考依据。方法 收集2012 — 2014年《中国卫生和计划生育统计年鉴》和国家卫生计生委年度全国法定传染病疫情通报中甲型肝炎、乙型肝炎、丙型肝炎、戊型肝炎、肺结核、梅毒的发病资料进行趋势分析,应用分级地图展示2014年各传染病发病率,并综合运用全局和局部空间自相关分析方法探讨2014年传染病发病率的空间关联性和空间集聚特征。结果 中国2012 — 2014年甲型肝炎发病率呈先下降后上升趋势,乙型肝炎和肺结核发病率呈下降趋势,丙型肝炎、戊型肝炎和梅毒发病率则呈波动趋势,但差异均无统计学意义(均 P > 0.05)。全局空间自相关分析结果显示,肺结核发病率的空间关联性最高,Moran’s I达0.437;梅毒发病率的空间关联性最低,Moran’s I仅为0.086;甲型肝炎、乙型肝炎、丙型肝炎和戊型肝炎发病率的Moran’s I为0.237 ~ 0.289。局部空间自相关分析结果显示,甲型肝炎和肺结核发病率在新疆、青海、西藏呈现高高集聚特征;丙型肝炎发病率在甘肃呈现高高集聚特征;戊型肝炎发病率在湖南、安徽、浙江呈现高高集聚特征,在山西、辽宁呈现高低集聚特征。结论 肺结核发病率的空间关联性最高,梅毒发病率的空间关联性最低,应根据传染病的空间分布特征制定区域化防控措施,着重保护处于特定病种高发区域周围的弱势地区。
关键词典型法定报告传染病     发病率     空间关联性     中国    
Spatial correlation of incidence rate of typical notifiable infectious diseases in China
ZHU Bin, LIU Jin-lin, MAO Ying     
School of Public Policy and Administration, Xi'an Jiaotong University, Xi'an, Shaanxi Province 710049, China
Abstract: Objective To analyze spatial distribution characteristics and spatial correlation of incidence rate of typical notifiable infectious diseases (hepatitis A, hepatitis B, hepatitis C, hepatitis D, tuberculosis, syphilis), and to provide a basis for formulating regional prevention and control measures. Methods We collected the data on incidence rates and cases of hepatitis A, hepatitis B, hepatitis C, hepatitis D, tuberculosis, and syphilis between 2012 and 2014 from Health and Family Planning Yearbook of China and Annual National Report on Notifiable Infectious Diseases issued by National Health and Family Planning Commission of People's Republic of China. Hierarchical map was used to display the incidence rates of the infectious diseases in 2014 and global and local spatial autocorrelation were used to identify the spatial correlation and spatial cluster features of the rates in 2014. Results During the 3-year period, the incidence of hepatitis A first decreased then increased;the incidence of hepatitis B and pulmonary tuberculosis declined obviously; and the incidence of hepatitis C, syphilis and hepatitis E showed a trend of fluctuation. The results of global spatial autocorrelation revealed the strongest spatial correlation (Moran’s I = 0.437) in the incidence of pulmonary tuberculosis and the weakest in that of syphilis (Moran’s I = 0.086); while the correlation intensity of the four types of hepatitis was not quite different, with their Moran’s I ranging from 0.23 to 0.29. The results of local spatial autocorrelation showed that the incidence of hepatitis A and pulmonary tuberculosis showed a high-high cluster feature in Xinjiang Uygur Autonomous Region, Qinghai province, and Tibet Autonomous Region; the incidence of hepatitis C showed a high-high cluster feature in Gansu province; the incidence of hepatitis E presented a high-high cluster feature in Zhejiang, Hunan and Anhui province, but a high-low cluster feature in Shanxi and Liaoning province. Conclusion From 2012 to 2014, the incidence of pulmonary tuberculosis showed the strongest spatial correlation, while the incidence of syphilis showed the weakest in China. The government agencies should formulate regional prevention and control measures based on the spatial distribution characteristics of the infectious diseases and pay special attention to the prevention of specific diseases in low incidence areas around the high incidence areas.
Key words: typical notifiable infectious disease     incidence rate     spatial correlation     China    

在已知传染病中,有些可以对人类造成巨大伤害或者引发广泛流行,因此许多国家通过政府部门协助医疗体系严密监控这些传染性疾病的发生及后续发展,从而避免疫情扩大,这些传染病即被称为法定报告传染病。根据《中华人民共和国传染病防治法》,迄今为止共有39种发病率较高、流行性较广、危害性严重的急性和慢性传染病被列为法定报告传染病[1]。根据其传播方式、传播速度及其对人类危害程度的不同,可以分为甲(强制管理传染病)、乙(严格管理传染病)、丙(监测管理传染病)三类。随着免疫技术的进步以及中国对传染病防控工作的日益重视,中国甲类法定报告传染病(鼠疫、霍乱)已基本灭绝,但在乙类传染病中少数病种仍未得到有效控制。国家卫计委2015年《中国卫生和计划生育统计年鉴》[2] 显示,病毒性肝炎、肺结核、梅毒排在乙类传染病发病顺位的前3位。因此,对这些典型法定报告传染病的有效防控迫在眉睫。目前学术界对国家法定报告传染病的分析多聚焦于疫情分析和趋势预测[34],缺乏对典型多发病种的系统性分析。众所周知,传染病空间流行特征是判断和解释其病因的基础,也是采取预防和控制措施的重要依据。为分析中国31个省、市、自治区典型法定报告传染病(甲型肝炎、乙型肝炎、丙型肝炎、戊型肝炎、肺结核、梅毒)发病率的空间分布特征及空间关联性,为制定区域化防控策略提供参考依据,本研究收集2012 — 2014年《中国卫生和计划生育统计年鉴》和国家卫生计生委年度全国法定传染病疫情通报中此6种法定传染病的发病资料进行趋势分析,应用分级地图展示2014年各传染病发病率,并综合运用全局和局部空间自相关分析方法探讨2014年传染病发病率的空间关联性和空间集聚特征。结果报告如下。

1 资料与方法 1.1 资料来源

资料来源于2012—2014年《中国卫生和计划生育统计年鉴》和国家卫生计生委年度全国法定传染病疫情通报中甲型肝炎、乙型肝炎、丙型肝炎、戊型肝炎、肺结核和梅毒6种典型法定报告传染病发病资料。

1.2 统计分析

应用Geoda1.8.14和ArcGIS 10.0完成空间自相关分析和可视化地图制作。空间自相关分析是指具有地理属性的数据之间存在的交互作用,即由于空间地理位置导致的某一指标的相关性。当某一指标在空间上呈现一定的规律性,而非随机分布时,可认为这一指标存在空间自相关特征。目前,对于空间自相关的分析方法包括全局空间自相关分析和局部空间自相关分析。全局空间自相关分析是衡量有关指标在整个区域空间上的分布特征,局部空间自相关分析的作用与其相似,但仅用于发现某一特定区域的空间分布特征。(1)全局空间自相关分析:全局空间自相关分析是测量全局空间关联度的通用指标,广泛用于各个领域的空间自相关分析[57]。全局Moran’s I值的取值范围为[–1, 1],其意义与Pearson相关系数相似,当它取值为0时,表示不存在空间相关性,所有观测值随机分布;正值表示地区之间呈现空间正相关,即相似值(高值与高值、低值与低值)的空间集聚;负值则代表地区之间呈现空间负相关,即非相似值(高值与低值)的空间集聚,绝对值越大代表相关性越强。在本研究中,由于法定报告传染病具有高度传染性,因此不同地区的发病率极有可能呈现空间正相关特征,而全局Moran’sI值的大小也反映了对应病种在空间中传染性的强弱全局 ${\rm{Moran}}'I = $ $ \displaystyle\frac{{n\sum\nolimits_{i = 1}^n {\sum\nolimits_{j = 1}^n {{W_{ij}}} \left( {{y_i} - \bar y} \right)\left( {{y_i} - \bar y} \right)} }}{{\left( {n\sum\nolimits_{i = 1}^n {\sum\nolimits_{j = 1}^n {{W_{ij}}} } } \right){{\sum\nolimits_{i = 1}^n {\left( {{y_i} - \bar y} \right)} }^2}}}$ 。其中,yi代表某一病种的发病率; ${\bar y}$ 为其均值;n为地区数量;Wij是代表空间地理位置的n×n空间权重矩阵。如果地区i和地区j相邻,则矩阵中对应的Xij为1,否则为0。在实际计算时使用的空间权重矩阵需进行标准化,处理后每行之和均等于1,因海南省无陆地邻接省份,因此在构建空间权重矩阵和空间自相关分析时予以剔除。(2)局部空间自相关分析:局部空间自相关分析即使用局部Moran’s I值探索集聚区域。局部Moran’s I值是局部局部空间相关指标(LISA,local indicator of spatial association)的一种,用于描述某一局部地区的空间分布特征,可以看作是全局Moran’s I在各个地区的分解[8]。局部 ${\rm{Mora}}{{\rm{n}}^\prime }I = \displaystyle\frac{{\left( {{y_i} - \bar y} \right)}}{{{m_0}}}$ $\sum\nolimits_j {{W_{ij}}} \left( {{y_j} - \bar y} \right);{m_0} = \sum\nolimits_j {\left( {{y_i} - \bar y} \right)} /n$ 。局部Moran’s I值与全局Moran’s I值中符号的释义相同,累加符号的作用范围仅为i区域所有的相邻区域;局部Moran’s I取值为正时代表局部空间正相关,反之则为局部空间负相关。(3)LISA集聚图:LISA集聚图是展示显著集聚区域的可视化图形工具,即将局部Moran’s I值通过5 % 显著性水平检验的区域分类突出显示于地图中。基于局部空间自相关分析结果,可以识别出四类显著的集聚区域:高高集聚:代表中心地区和邻近地区的发病率均较高;低高集聚:代表低发病率地区被高发病率的其他地区所围绕;低低集聚:代表中心地区和邻近地区的发病率均较低;高低集聚:代表高发病率地区被低发病率地区所围绕[9]

2 结 果 2.1 中国6种典型法定报告传染病发病率(表1图1

中国2012 — 2014年甲型肝炎发病率呈先下降后上升趋势,乙型肝炎和肺结核发病率呈下降趋势,丙型肝炎、戊型肝炎和梅毒发病率则呈波动趋势,但差异均无统计学意义(均 P > 0.05)。图1为2014年中国典型法定传染病发病率分级地图。如图所示,甲型肝炎高发区域集中在中国西部,在东部地区仅山西和辽宁发病率相对较高;乙型肝炎的高发区域在东部、中部、西部地区均有涉及,总体上在中部地区的发病率相对较高;丙型肝炎的发病率仅在东部地区较低,在中部和西部地区均较高,新疆是丙型肝炎的核心高发省份;戊型肝炎的高发区域则集中在东南沿海和中部部分省份,在中国西部和北部地区则发病率较低;肺结核的高发区域集中在中国西部和中部部分省份;梅毒的高发区域在中国西北部和东南沿海地区。

表 1 中国2012—2014年6种典型法定报告传染病发病率(1/10万)

图 1 2014年中国典型法定传染病发病率分级地图

2.2 全局空间自相关分析

全局空间自相关分析结果显示,除梅毒(Moran’s I = 0.086,Z = 1.074,P =0.142)外,甲型肝炎(Moran’s I = 0.245,Z = 4.744,P < 0.001)、乙型肝炎(Moran’s I = 0.239,Z = 2.348,P = 0.017)、丙型肝炎(Moran’s I = 0.237,Z = 2.434,P = 0.014)、戊型肝炎(Moran’s I = 0.289,Z = 2.760,P = 0.007)、肺结核(Moran’s I = 0.437,Z = 4.200,P < 0.001)等5种传染病发病率均呈明显的空间正相关特征。

2.3 局部空间自相关分析(图2

图2为2014年中国典型法定传染病的LISA集聚图。如图所示,新疆、西藏和青海是甲型肝炎的高高集聚区域;甘肃在一定程度上充当了阻挡西部省份甲型肝炎向东传染的一道屏障,呈现低高集聚特征;在东部地区,北京、山东、安徽、江苏、浙江呈现低低集聚特征。乙型肝炎发病率的局部特征并不突出,在全国范围内无高高集聚和高低集聚区域,仅西藏、甘肃呈现低高集聚特征,江苏、上海呈现低低集聚特征。丙型肝炎发病率,甘肃呈现高高集聚特征,西藏呈现低高集聚特征,江苏、上海、浙江呈现低低集聚特征。戊型肝炎的分布特征非常复杂,在西北部已经形成了包含新疆、青海、甘肃和内蒙古在内的低低集聚区域,但在中、西部地区中山西、辽宁呈现高低集聚特征,湖南、安徽和浙江呈现高高集聚特征,值的注意的是江西在众多高发病率省份的包围下呈现低高特征。肺结核的高高集聚区域出现在西部新疆、西藏和青海3个省份,京津冀地区及江苏呈现低低集聚特征,而云南则呈现低高集聚特征。梅毒并未呈现出明显的高高集聚特征,在全国各个省市中,甘肃呈现低高集聚特征,而北京、山东、河南为明显的低低集聚区域。

图 2 2014年中国典型法定传染病发病率LISA集聚图

3 讨 论

在新型传染病层出不穷的今天,借助于空间分析工具了解传染病的疾病空间分布特征对于传染病的防控具有重要意义。结果显示,本研究中选取的甲型、乙型、丙型、戊型四类病毒性肝炎及肺结核的发病率在全国范围均呈现出明显的空间正相关特征,与已有省级层面的法定报告传染病文献类似[1011]。其中,肺结核发病率的Moran’s I值为0.437,不仅高于本研究中四类病毒性肝炎和梅毒,还明显高于文献已经探讨过的其他法定报告传染病,如2011年全国伤寒发病率的0.17 [12]和2012年全国人布鲁氏菌病的0.345 8 [13],因此,对于肺结核的防控应引起重点关注。

本研究所涉及的甲、乙、丙、戊四类病毒性肝炎中,乙型肝炎的发病率居于首位,目前已在全国范围内广泛流行,防控形势最为严峻,但戊型肝炎的发病率的空间关联性最高(Moran’s I = 0.289),也应引起关注。孙海泉等[14]曾对2012年丙型肝炎的空间聚集性进行过分析,在该研究中,2012年丙型肝炎发病率的Moran’s I值为0.244,本研究中2014年的Moran’s I值为0.237,基本保持稳定。从局部来看,法定报告传染病在中国很多地区已经呈现明显的区域化特征,如甲肝、肺结核高发的新疆、西藏和青海地区,戊型肝炎流行的湖南、福建和安徽地区。

综上所述,传染病的控制不同于其他领域,任何省份都难以“独善其身”,因此,对于传染病尤其是国家法定报告传染病的防控需要不同区域、不同部门之间的通力合作。应根据传染病的空间分布特征制定区域化防控措施,重点防控肺结核和乙型肝炎等典型法定报告传染病。根据空间自相关分析结果,某一病种高发区域毗邻的地区为该病种的易感地区,发病率更有可能提高,因此不同省份应认清自身的防控形势,结合LISA集聚图,重点防控周围地区发病率较高的病种。

参考文献
[1] Fung IC, Hao Y, Cai J, et al. Chinese social media reaction to information about 42 notifiable infectious diseases[J]. PLoS One, 2015, 10(5): e0126092. DOI:10.1371/journal.pone.0126092
[2] 中华人民共和国卫生和计划生育委员会. 2015中国卫生和计划生育统计年鉴[M]. 北京: 中国协和医科大学出版社, 2015.
[3] 王艳, 宋丹, 张莫南, 等. 2008 — 2013年天津市河北区法定传染病疫情分析[J]. 现代预防医学, 2015, 42(2): 345–347.
[4] 徐学琴, 孙宁, 徐玉芳. 基于BP神经网络的河南省甲乙类法定报告传染病预测研究[J]. 中华疾病控制杂志, 2014, 18(6): 561–563.
[5] 蒋小娟, 孟蕾, 李治平, 等. SaTScan和FleXScan在甘肃省传染病空间聚集性探测中的应用研究[J]. 中华疾病控制杂志, 2015, 19(11): 1185–1186.
[6] Hajizadeh M, Campbell MK, Sarma S. A spatial econometric analysis of adult obesity: evidence from Canada[J]. Applied Spatial Analysis and Policy, 2016, 9(3): 329–363. DOI:10.1007/s12061-015-9151-5
[7] Long R, Shao T, Chen H. Spatial econometric analysis of China’s province-level industrial carbon productivity and its influencing factors[J]. Applied Energy, 2016, 166: 210–219. DOI:10.1016/j.apenergy.2015.09.100
[8] Anselin L. Local indicators of spatial association-LISA[J]. Geographical Analysis, 1995, 27(2): 93–115.
[9] Li Q, Song J, Wang E, et al. Economic growth and pollutant emissions in China: a spatial econometric analysis[J]. Stochastic Environmental Research and Risk Assessment, 2014, 28(2): 429–442. DOI:10.1007/s00477-013-0762-6
[10] Ge E, Zhang X, Wang X, et al. Spatial and temporal analysis of tuberculosis in Zhejiang province, China, 2009 – 2012[J]. Infectious Diseases of Poverty, 2016, 5(1): 1–10. DOI:10.1186/s40249-016-0099-8
[11] Rao HX, Zhang X, Zhao L, et al. Spatial transmission and meteorological determinants of tuberculosis incidence in Qinghai province, China: a spatial clustering panel analysis[J]. Infectious Diseases of Poverty, 2016, 5(1): 1–13. DOI:10.1186/s40249-016-0099-8
[12] 蒋征刚, 谢雨豪, 顾华, 等. 中国大陆地区2011年伤寒、副伤寒疫情GIS空间分析[J]. 中国公共卫生, 2015, 31(11): 1437–1439. DOI:10.11847/zgggws2015-31-11-21
[13] 廖伟斌, 孙建国, 于国伟, 等. 中国大陆2006 — 2012年人和牲畜布鲁氏菌病空间分布特征及相关性[J]. 中国公共卫生, 2015, 31(10): 1289–1293. DOI:10.11847/zgggws2015-31-10-16
[14] 孙海泉, 肖革新, 郭莹, 等. 中国2008 — 2012年丙肝流行规律及空间聚集性分析[J]. 中国公共卫生, 2014, 30(3): 286–289. DOI:10.11847/zgggws2014-30-03-10